[发明专利]一种可用于冲压件表面微缺陷成像的检测方法

说明书

本发明公开了一种可用于冲压件表面微缺陷成像的检测方法，它包括：步骤S1、收集若干张数的微缺陷冲压件广义相移双波长干涉图和对应的微缺陷冲压件各单波长干涉图；步骤S2、对收集到的微缺陷冲压件广义相移双波长干涉图和对应的微缺陷冲压件各单波长干涉图进行裁剪后，构建微缺陷冲压件干涉图数据集；步骤S3、设计基于深度学习的微缺陷冲压件双波长干涉图解耦卷积神经网络；步骤S4、利用所述微缺陷冲压件干涉图数据集。本发明提供一种可用于冲压件表面微缺陷成像的检测方法，使该方法能够从较少数量干涉图中快速提取双相位，实现冲压件表面微缺陷双相位高效成像。

技术领域

本发明属于光学干涉测量技术领域，具体涉及一种可用于冲压件表面微缺陷成像的检测方法。

背景技术

目前，冲压件是利用模具和冲头对金属薄板进行冲压所形成的产品，被广泛应用于汽车、航空航天和核工业等领域。然而，在冲压过程中，由于各种因素的影响，冲压件可能会出现拉伤、划痕、压伤、暗坑、扭曲等表面微缺陷，这些不同尺度微缺陷仅凭人工方法是无法正确全面识别出的，严重影响着冲压件产品质量。因此，实现冲压件表面中的微缺陷高精度成像是亟待解决的关键技术问题。

由于其具有非接触、高精度和可定量的优势特点，相移干涉术在微纳器件形貌成像、细胞成像等领域得到了广泛的应用研究。在单波长相移干涉术中，由于使用反正切函数计算出的相位通常被包裹在(-π,π]中，因此此相位是不连续的。为了消除不连续的相位，目前主要有两种解决方法：相位解包裹方法和双波长相移干涉术方法。相位解包裹方法不仅复杂、耗时，尤其是当包裹相位存在畸变相位时，该方法无法获得真实相位。双波长相移干涉术方法主要是通过在各波长包裹相位间进行减法运算，进而可以得到等效波长及其相位，不仅扩大了检测对象的测量范围，而且提高了双波长相位成像的精度。在双波长相移干涉术方法中，恢复其双相位是该方法的关键问题。当前，恢复双相位主要有以下三种方法：(1)利用时域相移算法从一组相移干涉图中分别提取出各波长包裹相位，但是该方法中的相移干涉图记录过程非常耗时和复杂；(2)利用2π相移从五个双波长相移干涉图中恢复双相位，但是该方法需要使用特殊相移，增加了对移相器的精度要求；(3)利用迭代相位恢复方法从多帧随机相移干涉图中提取双相位，但是该方法需要五个以上的双波长相移干涉图。在对现有双相位恢复方法的总结中发现，现有方法存在采用特殊相移、记录过程复杂和运算负担重等问题。由此可见，恢复双相位是双波长相移干涉术中的技术难点。

发明内容

本发明所要解决的技术问题是，克服现有技术的不足，提供一种可用于冲压件表面微缺陷成像的检测方法，使该方法能够从较少数量干涉图中快速提取双相位，实现冲压件表面微缺陷双相位高效成像。

为了解决上述技术问题，本发明的技术方案是：

一种可用于冲压件表面微缺陷成像的检测方法，它包括：

步骤S1、收集若干张数的微缺陷冲压件广义相移双波长干涉图和对应的微缺陷冲压件各单波长干涉图；

步骤S2、对收集到的微缺陷冲压件广义相移双波长干涉图和对应的微缺陷冲压件各单波长干涉图进行裁剪后，构建微缺陷冲压件干涉图数据集；

步骤S3、设计基于深度学习的微缺陷冲压件双波长干涉图解耦卷积神经网络；

步骤S4、利用所述微缺陷冲压件干涉图数据集，对所述基于深度学习的微缺陷冲压件双波长干涉图解耦卷积神经网络进行训练和验证，直至满足预设迭代训练次数或者预设误差精度要求，结束训练；

步骤S5、获得基于卷积神经网络的微缺陷冲压件双波长干涉图解耦模型；

步骤S6、将微缺陷冲压件三帧广义相移双波长干涉图输入到所述基于卷积神经网络的微缺陷冲压件双波长干涉图解耦模型中，即可分别得到各波长微缺陷冲压件三帧广义相移干涉图；

步骤S7、利用最小二乘迭代方法对所述各波长微缺陷冲压件三帧广义相移干涉图进行处理，即可分别得到各波长微缺陷冲压件包裹相位；